PENERAPAN ALGORITMA NAÏVE BAYES UNTUK ANALISIS SENTIMEN PENGGUNA APLIKASI LINKEDIN TERHADAP LOWONGAN PEKERJAAN PADA GOOGLE PLAY STORE

Firman Noor Hasan; Dhiyauddin Al Ghozi;

ABSTRAK

Penerapan Algoritma Naïve Bayes Untuk Analisis Sentimen Pengguna Aplikasi LinkedIn Terhadap Lowongan Pekerjaan Pada Play Store

Dhiyauddin Al Ghozi

Aplikasi mobile sudah menjadi bagian penting salah satunya aplikasi LinkedIn yang merupakan
aplikasi mobile yang berfokus dalam proses rekrutmen, pencarian kerja dan sebagai platform
networking professional yang kini semakin relevan khususnya di Indonesia. Metodologinya
melibatkan pengumpulan data, pemrosesan awal data, pelabelan data, dan penerapan algoritma
Naïve Bayes. Analisis sentimen dapat digunakan sebagai acuan untuk meningkatkan kualitas suatu
aplikasi dan tingkat kepuasan pengguna serta mengetahui jumlah sentimen positif dan negatif yang
ada pada feedback pengguna. Data yang didapat 999 data kemudian dipecah jadi 60% data latih dan
40% data uji. Analisis ini sentimen negatifnya lebih banyak dibandingkan sentimen positif, dengan
total 539 ulasan negatif dan 460 ulasan positif. Berdasarkan evaluasi dengan memakai confusion
matrix diperoleh hasil accuracy sebesar 95,74%, precision sebesar 100% , dan recall sebesar
91,46%. Penelitian ini bertujuan untuk memberikan wawasan tentang pola komunikasi dan interaksi
pengguna LinkedIn sehubungan dengan peluang kerja dan sentimen keseluruhan terhadap platform
tersebut.

Kata kunci: Analisis Sentimen, Naïve Bayes, LinkedIn, Lowongan Pekerjaan, Play Store

Application of the Naïve Bayes Algorithm to Analyze LinkedIn Application User Sentiment Regarding Job Vacancies on the Play Store

Dhiyauddin Al Ghozi

Mobile applications have become an important part, one of which is the LinkedIn application which is
a mobile application that focuses on the recruitment process, job search and as a professional
networking platform which is now increasingly relevant, especially in Indonesia. The methodology
involves data collection, data preprocessing, data labeling, and application of the Naïve Bayes
algorithm. Sentiment analysis can be used as a reference to improve the quality of an application and
the level of user satisfaction as well as knowing the number of positive and negative sentiments in user
feedback. The 999 data obtained were then divided into 60% training data and 40% test data. In this
analysis, negative sentiment outweighs positive sentiment, with a total of 539 negative reviews and 460
positive reviews. Based on evaluation using the confusion matrix, accuracy results were 95.74%,
precision was 100%, and recall was 91.46%. This research aims to provide insight into the
communication and interaction patterns of LinkedIn users in relation to job opportunities and overall
sentiment towards the platform.

Keywords: Sentiment Analysis, Naive Bayes, LinkedIn, Job Vacancy, Play Store